创作者友好的算法：算法平台中的行为、挑战和设计机会

文献标题

Creator-friendly Algorithms: Behaviors, Challenges, and Design Opportunities in Algorithmic Platforms

文献信息

• 主题领域: 人机交互与社会计算系统的设计，特别聚焦于创作者经济平台中的算法互动。
• 关键词: 创作者经济, 算法平台, 算法体验, 创意劳动, 民间理论, 参与式设计

研究背景与问题

• 作者发现的问题或挑战:

  • 算法对创作者的创作实践和决策影响巨大，但其不透明性和不易理解性会干扰创作者的核心创作。
  • 仅有少量创作者在平台上实现稳定的经济收入，这让多数创作者面临压力和不安全感。
  • 创作者在算法理解失败时，可能选择抵制算法或集体行动，如迁移平台。

• 问题的重要性:

  • 创作者经济已成为数字文化和经济的一部分，全球有超过5000万人作为内容创作者活跃在平台上（如YouTube、Instagram、Twitch）。
  • 创作者是平台活力的核心，在生成原创内容和维护在线社区方面发挥了至关重要的作用。

• 研究动机与相关工作:

  • 现有研究已探讨用户对算法的感知及其民间理论，但尚未深入研究针对创作者友好型算法平台的设计。
  • 作者希望探索算法平台如何在支持创作者表达多样性、提升成功率等方面更具创造力。

解决方案

• 提出的方法与解决方案:

  1. 通过半结构化访谈（N=14）挖掘创作者的工作策略以及算法驱动的挑战。
  2. 通过参与式设计工作坊（N=12）与创作者共同设计解决方案，以发现创作者友好型平台的设计机会。

• 创新之处:

  • 提出了“创造性决策循环模型”，从算法对创作者行为的影响出发，揭示创作者民间理论与行为之间相互作用的动态循环。
  • 将人机交互中的参与式设计方法应用于算法平台设计领域，直接听取创作者的反馈与建议。

• 实施步骤与关键技术:

  1. 访谈研究:
     • 探索创作者如何理解及操作推荐算法。
     • 分析创作者面对的算法驱动挑战。
  2. 参与式设计工作坊:
     • 提供问题卡片和算法标签，激发创作者提出解决方案。
     • 引导创作者设计具体的算法改进方案，如性能预测工具、内容推荐机制等。

研究成果

• 具体成果:

  1. 识别了创作者在与算法交互时的两种主要行为策略：与算法合作和对抗算法。
  2. 揭示了创作者决策过程中的关键挑战，例如算法对创意表达的限制、不透明性导致的认知负担等。
  3. 提出了设计创作者友好型平台的三个目标——支持多样性与创造性表达、帮助创作者取得成功、保持创作者的职业动力。

• 优势与现有解决方案的比较:

  • 通过创作者直接参与设计过程，解决了现有方法中将用户作为被动观察者的局限，从创作者视角出发提高设计适用性。

• 实验或评估结果:

  • 工作坊参与者设计了具体的解决方案，如算法测试板、支持多样性内容的推荐机制等。
  • 根据创作者的需求生成设计场景，通过情景模拟展示具体改进效果。

• 局限性与未来方向:

  • 研究仅限于韩国YouTube创作者，文化和地区差异可能对研究结果有影响。
  • 尚未系统验证设计建议在其他创作者经济平台上的适用性，未来需要进一步研究常见挑战的跨平台性。
  • 提出建议时虽考虑了可能的副作用，但仍需在实现过程中仔细平衡不同利益相关者的需求。

总结与贡献

• 贡献: 本研究为解决创作者经济平台的算法不友好问题提供了新的视角和设计方案，强调创作者在平台设计中的中心作用。
• 结论:
  • 创作者友好型算法设计需要从增强多样性与表达支持、提升成功率和职业动力方面出发，构建更包容的平台环境。
  • 通过创作者的直接参与与算法合作，未来的创作者经济平台可更稳定地支持多样性创意劳动并改善创作者体验。